Toto 2.0: 시계열 예측, 스케일링 시대에 접어들다

Toto 2.0: Time Series Forecasting Enters the Scaling Era

May 19, 2026

저자: Emaad Khwaja, Chris Lettieri, Gerald Woo, Eden Belouadah, Marc Cenac, Guillaume Jarry, Enguerrand Paquin, Xunyi Zhao, Viktoriya Zhukov, Othmane Abou-Amal, Chenghao Liu, Ameet Talwalkar, David Asker

cs.AI

초록

우리는 시계열 파운데이션 모델이 확장 가능함을 보여준다. 즉, 단일 학습 레시피로 4M(4백만)에서 2.5B(25억) 파라미터까지 신뢰할 수 있는 예측 품질 개선이 이루어진다. 본 연구에서는 이 레시피로 학습된 5개의 오픈 가중치 예측 모델 제품군인 Toto 2.0을 공개한다. Toto 2.0 제품군은 세 가지 예측 벤치마크에서 최첨단 성능을 새로 갱신한다: 당사의 관찰 가능성 벤치마크인 BOOM, 표준 범용 벤치마크인 GIFT-Eval, 그리고 최근의 오염 저항성 TIME 벤치마크가 바로 그것이다. 본 보고서는 실험 결과를 설명하고 Toto 2.0의 설계 결정, 즉 아키텍처 및 학습 레시피, 학습 데이터, u-muP 하이퍼파라미터 전이 파이프라인을 상세히 다룬다. 5개의 기본 체크포인트는 모두 Apache 2.0 라이선스로 공개된다.

English

We show that time series foundation models scale: a single training recipe produces reliable forecast-quality improvements from 4M to 2.5B parameters. We release Toto 2.0, a family of five open-weights forecasting models trained under this recipe. The Toto 2.0 family sets a new state of the art on three forecasting benchmarks: BOOM, our observability benchmark; GIFT-Eval, the standard general-purpose benchmark; and the recent contamination-resistant TIME benchmark. This report describes our experimental results and details the design decisions behind Toto 2.0: its architecture and training recipe, training data, and the u-muP hyperparameter transfer pipeline. All five base checkpoints are released under Apache 2.0.